本书从满足经济发展对高素质劳动者和技能型人才的需求出发，在课程结构、教学内容、教学方法等方面进行了新的探索与改革创新，以便学生 好地掌握课程内容，有利于学生理解理论知识和提高实际操作技能。本书以岗位工作过程来确定学习任务和目标，综合提升学生的专业能力、过程能力和岗位能力，以具体的工作任务 教学内容，并结合大量的动画案例，详细地讲解了二维动画知识和技能要点，让学生在完成动画案例的过程中，从实践的角度理解和掌握软件的操作技巧。

本书从基于人工智能助力网络安全的视角出发，瞄准助力攻击和助力防御两个方向，刻画人工智能攻击链框架，着重描述自动化漏洞挖掘、软件漏洞自动化利用、基于神经网络的隐秘精准型恶意代码、隐秘精准型恶意代码的增强实现、基于深度学习和机器学习的未知特征恶意代码检测、基于知识图谱的威胁发现等6方面技术成果，在对比梳理全球**相关研究进展的同时，提出了大量技术问题解决思路和相关攻防实战方法，支撑行业管理、技术研究、产品研发和攻防实战。

作为50万年演化的结果，父亲的身份在日常生活中是那么平常，但成为父亲的经历给男性的生活带去了影响深远的转折。随着父职研究的开始和不断深化，我们认识到，父亲并不是只需要提供一方屋檐和一日三餐的“次要家长”，而是对子女身心健康成长不可或缺的关键角色，起着母亲无法代替的独特作用。准爸爸和新手父亲们也会有很多疑问：他们应该做什么样的父亲？父亲身份会改变他们吗？养父和生父对子女成长的影响有区别吗？与从孕期开始和胎儿建立情感纽带的母亲相比，父亲要如何弥补这一点？怎样才能让父亲在子女成长过程中发挥 作用？本书总结了父职这个新兴研究领域内的重要成果，为上述问题提供了答案。父亲是天生的，因为育儿存在于父亲的本能中，迷茫的时候或许可以听从直觉；父亲也是后天的，因为父亲的角色成功与否，并不取决于血缘与基因。做父亲本无定式，只需要听听内心的声音。

"《Windows Server 2022 Active Directory配置实战》是微软技术专家**推出的Windows Server 2022两卷力作中的Active Directory配置实战篇。 《Windows Server 2022 Active Directory配置实战》延续了作者一贯的写作风格，通过大量的实例演示，将理论与实际操作相结合，并以简明易懂的文字进行描述，内容丰富，图文并茂。本书共分16章，内容包括Active Directory域服务、创建AD DS域、域用户与组账户的管理、利用组策略管理用户工作环境、利用组策略部署软件、限制软件的执行、建立域树和林、管理域与林的信任、AD DS数据库的复制、操作主机的管理、AD DS的维护、将资源发布到AD DS、自动信任根CA、利用WSUS部署更新程序、AD RMS企业文件版权管理以及AD DS与防火墙。 本书既适合广大初中级网络技术人员、网络管理和维护人员阅读，也可作为高等院校相关专业和技术培训班的教学用书，同时还可以作为微软认证考试的参考用书。"

本书以集员估计理论为基础，围绕有界干扰系统信息融合滤波开展研究。首先，提出一种输入-状态稳定的定界椭球自适应滤波算法，提高滤波的收敛性和跟踪性能，并针对不同的精度和实时性要求进一步提出固定滞后区间平滑算法和基于次优定界椭球的有界干扰系统滤波算法。其次，为解决非线性有界干扰滤波算法存在的线性化误差大、线性化过程复杂，以及边界存在保守性等问题，提出基于中心差分的非线性有界干扰滤波算法。再次，对有界干扰下的融合滤波方法进行研究，提出相应的融合算法。最后，考虑实际应用中噪声的复杂性，提出具有双重不确定性的多模型融合方法。

暂缺简介...

鲁棒预测控制是在预测控制的基础上考虑到实际系统存在着模型不精确或者参数时变、未知扰动等各种不确定性而发展起来的先进控制技术。如何在鲁棒预测控制的基础上有效处理时变时滞对系统的影响成为工业过程控制亟待解决的问题。本书针对具有时变时滞的工业过程可能存在参数时变、强干扰、执行器故障、非线性、多阶段切换、时变跟踪轨迹等问题，重点介绍了基于鲁棒预测控制思想以解决这些问题的先进技术和方法。其主要内容为作者和所在团队的项目经验及科研成果，包括线性控制、容错控制、非线性控制和切换控制等相关内容。

本书是一本理论扎实，同时联系实际应用的图书。全书系统地介绍了因果推断的基本知识、基于机器学习的因果推断方法和基于因果推断的机器学习方法及其在一些重要领域的应用。全书共分6章。第1章从结构因果模型和潜在结果框架出发，介绍因果推断的基本概念和方法。第2章介绍近年统计和机器学习文献中出现的一些重要的基于机器学习的因果推断方法。第3章介绍能够提高机器学习模型的泛化能力的因果表征学习。第4章介绍因果机器学习如何提高机器学习模型的可解释性与公平性。第5章介绍因果机器学习在推荐系统和学习排序中的应用。第6章是对全书的一个总结和对未来的展望。 本书对结合因果推断和机器学习的理论与实践进行了介绍。并在第1版的基础上对一些陈旧的内容做了更新。通过阅读本书，读者不仅可以掌握因果机器学习的基础理论，还可对本书中提到的论文代码进行钻研，从而在实践中加深对因果机器学习的理解。

本书以作者团队在随机网络领域的理论创新和应用实践为支撑，全面介绍了复杂体系过程的随机网络模型，主要内容包括随机网络模型要素和结构框架、智能随机网络模型、不确定性随机网络模型，以及卫星通信网络建模和资源管控、复杂体系效能评估、复杂体系可靠性建模、区域产业发展分析等。

本书从理论上论述非线性系统的全局能控性.主要介绍平面仿射非线性系统和几类特殊的高维非线性系统的全局能控性判据，以及几类多项式系统全局能控性的判别算法.另外，本书也对平面仿射非线性系统的全局渐近能控性及全局镇定性做一点讨论.